7月2日，九科信息產品VP傅愷，受邀參加了由創(chuàng)道硬科技舉辦的“科技Pilot·硬科技新勢力訪談”直播活動，與創(chuàng)道硬科技創(chuàng)始人步日欣圍繞“AI Agent落地，真正提升企業(yè)數(shù)智化生產力”的話題，展開了思維碰撞與觀點探討。
本文特別整理了本次活動的訪談嘉賓，九科信息產品VP傅愷的12個核心觀點，在此和大家分享。
嘉賓介紹：
● 深耕人工智能及企業(yè)級低代碼平臺研發(fā)10年+，主導多款億元級商業(yè)化產品落地
●任碼隆科技產品VP期間主導開發(fā)「Retail AI」智慧零售引擎，實現(xiàn)百萬級零售柜設備部署，日均訪客數(shù)超300萬次；系統(tǒng)落地商超巨頭累計銷售額破億，終端用戶觸達超1億人次
● 為建信金科打造低代碼平臺「云樞」，單客戶為建行創(chuàng)造年營收超千萬元
● 清華大學工業(yè)工程學士、埃因霍溫理工大學人機交互碩士。全國信息學奧林匹克競賽一等獎（Top 0.1%）
一、變革
01 AI大模型的誕生，大大降低了非IT工作者的勞動強度。
大模型的誕生，讓AI技術得以更廣泛地賦能非IT領域，無需復雜編程即可實現(xiàn)高效自動化，顯著減輕了人工勞動強度。
以財務領域為例，在央企每年都有大量的財務數(shù)據需要上報國資委。光這一部分的工作，可能就需要動用數(shù)千人進行集中式加班，完成數(shù)據的搜集、整理、轉換和提交。而由于數(shù)字員工的加入，財務數(shù)據的上報變得更為簡單。它能夠讓原本需要三四千人的工作量，銳減至一兩百人。
02 Agent智能體的出現(xiàn)，讓一人頂百人正成為現(xiàn)實，
同時讓企業(yè)對工作者的能力要求發(fā)生了巨變。
在大模型降低了某些領域的勞動強度以及工作量的同時，也無可避免地導致某些崗位的需求變少，甚至有些崗位不再被需要。而其催生的新崗位需求卻還沒有完全成型。
Agent帶來了前所未有的工作模式變革，人類也需要不斷的去更新自己的技能庫。尤其對于傳統(tǒng)IT行業(yè)從業(yè)者，如果不及時更新自己的能力或者是認知體系，可能會首先被AI所影響。未來的工作模式很有可能會升級為少數(shù)人管著一堆Agent，所以在享受智能體減輕人類工作負擔的同時，也要及時提升我們對AI的掌控力。
03 Agent智能體讓企業(yè)監(jiān)管以及市場響應變得更迅速。
在過往，如果我們要了解某供應鏈企業(yè)的經營狀況、輿情，或是供應鏈市場變化等信息，通常需要一個較長的工作周期。這種滯后性往往讓企業(yè)在市場競爭中錯失良機——比如在突發(fā)的原材料價格波動中，因未能及時掌握市場動態(tài)而錯失最佳采購時機；在負面輿情發(fā)酵時，因信息收集緩慢而無法快速回應，導致品牌形象受損。
但得益于Agent智能體的出現(xiàn)，企業(yè)不僅能通過其快速搜集相關數(shù)據，而且還能就市場變化等問題，按照企業(yè)需求做數(shù)據分析，讓企業(yè)對內對外的響應速度都大幅提升。
二、演化
04隨著AI的能力越來越泛化，人的參與度越來越低。
AI在不同的發(fā)展階段，與人類有著不同的協(xié)作形式，目前以下面這四個階段為主：
(1) Embedding（嵌入）：將文本、圖像等非結構化數(shù)據轉化為可被AI理解的向量，是AI處理信息的基礎形式。就像戰(zhàn)斗機上的火控雷達，負責“提供戰(zhàn)斗參數(shù)”并“引導武器攻擊”。它能把目標的各類信息轉化為可計算的信號，為人類的后續(xù)處理提供基礎。
(2) Copilot（智能助手）：以協(xié)作方式輔助人類完成任務，通過實時分析場景提供建議，增強人類工作效率。如同戰(zhàn)斗機上的副駕駛，負責“操作武器”或“觀察敵情”。它與主駕飛行員（用戶）緊密配合，共同推進任務完成，兩者依存度高。
(3) Agent（智能體）：能接收目標指令后，自主規(guī)劃步驟并完成端對端任務，無需人類持續(xù)介入。如同無人戰(zhàn)斗機，在指揮系統(tǒng)告知目標后，可自行規(guī)劃路徑、執(zhí)行動作以達成任務。
(4) Self Driving（自主驅動）：能自主理解長期戰(zhàn)術目標，主動分解任務并協(xié)調執(zhí)行，具備處理復雜、長期任務的能力。好比一個空軍旅，甚至不需要具體指令，就能夠對戰(zhàn)術目標進行理解，會自行拆解任務、分配角色并推進執(zhí)行。
從最初難以被人類感知到其存在的Embedding，到能與人類協(xié)作的Copilot，再到能端到端執(zhí)行任務的Agent，最后到能夠自主理解、拆解任務目標的Self Driving，在這個演化過程中，人類的參與度一再降低，需要人類親自執(zhí)行的事情越來越少。目前的企業(yè)級AI應用中，Embedding和Copilot更常見，Agent正在加速落地，而Self Driving則是下一代的未來級應用。
05 RPA更像流水線工人，Agent智能體更像全能員工。
RPA需要先由人類錄入指令或輕度編程才能開始工作，本質上RPA接受的還是細碎的、Copilot式的指令，每一個任務細節(jié)都需要人類下達清晰指令。而Agent智能體不僅能完成流水線工作，還能勝任更復雜的任務——它不僅限于回答問題，還能理解并執(zhí)行戰(zhàn)略級指令，通過在數(shù)字世界中操作應用和系統(tǒng)來完成任務，并對現(xiàn)實產生影響。
06 現(xiàn)在很多Agent智能體本質上還是個“笨蛋”。
很多企業(yè)客戶發(fā)現(xiàn)，雖然搭建了Agent智能體，但使用體驗還是僅限于“智能客服”式的問答類場景。這些“智能體”的能力上限不高，最多只能基于對話，來完成word、PPT、圖片等生成式任務，并沒有在大模型的已有能力基礎上實現(xiàn)太大的超越。
而像九科信息bit-Agent這類的GUI智能體，能夠通過操作用戶電腦，完成一系列復雜的界面操作任務。九科信息bit-Agent既能干RPA的活，也能干Agent的活，這是我們的顯著優(yōu)勢之一。
三、落地
07 企業(yè)應該先明確自身需求及智能體定位，再啟動部署。
企業(yè)在利用AI工具實現(xiàn)智能化之前，首先要解決認知層面的問題。比如目前市場上AI工具的功能、定位分別是什么，能解決什么問題。然后結合業(yè)務，思考該場景需要哪些工具參與、能夠達到怎樣的效果。
智能化的前提是業(yè)務的規(guī)則化、標準化。
Agent智能體搭建的前提，是企業(yè)在業(yè)務認知上已經有了足夠的積累。大模型是基于我們一般常識所誕生的，因此它的上限就是常識。而很多企業(yè)內部的業(yè)務，并不是一般常識就能理解或覆蓋的，如果企業(yè)本身沒有做好業(yè)務的規(guī)則化標準化處理，那么所謂的智能化推進，也只能是空中樓閣。
08 企業(yè)數(shù)智化轉型，意味著流程鏈條上各個環(huán)節(jié)的責任和權力面臨重新分配。
企業(yè)如果實現(xiàn)了業(yè)務智能化，便會產生新的責任分配問題。Agent智能體的各個決策需要權限批準——要不要給AI決定權、AI決策失誤的后果由誰擔責、如何界定AI的責任邊界等新問題，需要企業(yè)需要重新考量。因此，Agent智能體的落地，除了帶來生產力的提升，還有人、AI、組織之間關系的復雜重構。
09 Agent智能體的典型應用場景，從單一業(yè)務環(huán)節(jié)到全鏈路智能化皆可覆蓋。
單一場景智能化。如智能巡檢業(yè)務：九科信息bit-Agent智能體持續(xù)收集產品/應用的各類信息、數(shù)據、圖表，綜合多種數(shù)據后進行實時分析診斷和風險判斷；
多環(huán)節(jié)智能化。如上下游銜接：九科信息bit-Agent智能體可以幫企業(yè)和供應商、監(jiān)管部門做數(shù)據對接——上游做數(shù)據收集、加工，下游做信息錄入；
全鏈路智能化。如一站式招聘：九科信息bit-Agent智能體能夠獨立完成，從發(fā)起招聘需求，到簡歷篩選，再到預約面試及背調，甚至到辦理入職手續(xù)等全鏈路環(huán)節(jié)智能化。
四、共生
10 在專業(yè)性上，人類無法追上AI。
隨著AI的發(fā)展，其知識積累的速度和量級遠超人類。因此在專業(yè)性上，人類比不過AI，兩者之間的能力也不對等、不平衡。
長期來看，人類需要與AI結合共生，并通過資源掌控力、責任承擔力以及權力分配，來增加人類的砝碼，以獲取二者之間的平衡。
11 結構化、制度化優(yōu)先于智能化，想減少“幻覺”，就要限制AI的使用。
由于大模型的隨機性，“幻覺”問題無法杜絕，但可以通過可靠的固定流程，把主體工作“框定”起來，以提供確定性。同時，謹慎地使用AI，減少其在整個工作流中的影響，能夠盡可能地降低大模型幻覺所帶來的偏差。
因此，在搭建Agent智能體的過程中，結構化、制度化優(yōu)先于智能化。比如，要求任務執(zhí)行有著高確定性、低容錯率的辦公、工業(yè)場景，傳統(tǒng)RPA技術反而更有用武之地。
同時，針對AI做好數(shù)據留痕及交叉檢驗。比如九科信息的bit-Agent，一個智能體負責執(zhí)行界面任務，另一個智能體則專門負責監(jiān)管。通過這種交叉驗證機制，進一步減少“幻覺”的影響。
12 AI將要求人類具備三個方面的能力。
未來，人類和AI如何共生？怎么做才不會被AI完全取代？這就要求人類具備三個方面的能力：
一、對問題的定義能力：能夠清晰地將你的任務目標告知AI；
二、工作流構思的能力：對問題進行拆解，然后形成結構化；
三、業(yè)務體系迭代能力：利用數(shù)據信息，驅動業(yè)務改進。
要在這場人機協(xié)作的深刻變革中搶占先機，企業(yè)與個人都必須在“精準定義—結構拆解—持續(xù)迭代”三大能力上不斷精進。只有當我們能準確地向AI傳達目標、以系統(tǒng)化思維拆解任務，并善用數(shù)據反饋驅動業(yè)務優(yōu)化，才能真正掌握Agent智能體的賦能之道。在這一過程中，人類智慧不僅不會被取代，反而會因與AI的高效協(xié)同而得到前所未有的升華，共同開創(chuàng)數(shù)智化時代的新高度。
免責聲明：以上內容為本網站轉自其它媒體，相關信息僅為傳遞更多信息之目的，不代表本網觀點，亦不代表本網站贊同其觀點或證實其內容的真實性。如稿件版權單位或個人不想在本網發(fā)布，可與本網聯(lián)系，本網視情況可立即將其撤除。
